主成分分析(PCA)是一种用于降维的统计技术,通常用于聚类或因子分析。给定任意数量的解释或因果变量,PCA根据解释数据中最大变化的能力对变量进行排名。正是这种特性允许PCA用于降维,即从大的可能影响中识别最重要的变量。
我需要使用sklearn进行一些PCA,并且我想确保以正确的方式进行操作。这是我的代码:从sklearn.decomposition导入PCA pca = PCA(n_components = 5)pca_result = pca.fit_transform(data)...
我的代码:从numpy import * def pca(orig_data):data = array(orig_data)data =(data-data.mean(axis = 0))/ data.std(axis = 0)u,s,v = linalg.svd(data)print s#应该是s ** 2 ...
我正在使用此处的输入数据(请参阅第3.1节)。我正在尝试使用scikit-learn重现其协方差矩阵,特征值和特征向量。但是,我无法将结果复制为...
我曾经创建循环来为模型找到最佳参数,这增加了我的编码错误,所以我决定使用GridSearchCV。我正在尝试为我的PCA找到最佳参数。
[ImportError:导入PCA时无法导入名称'LatentDirichletAllocation'[关闭]
[我不断收到错误消息:ImportError:无法导入名称'LatentDirichletAllocation'的完整回溯:Traceback(最近一次调用):文件“ /home/path/to/file/pca.py”, 中的第7行。 ..
在ggplot2中使用“ robCompositions”软件包中的pcaCoda
我想使用ggplot2从robCompositions包中绘制鲁棒PCA(pcaCoDa)的结果。以前,它可以与ggbiplot(https://github.com/vqv/ggbiplot)一起使用,但是我无法...
R中的FactorMineR软件包说不适用R 3.6.1(R3.6.1“脚趾动作” /使用RStudio版本1.2.5019 / Ubuntu 18.04.3)
我正在Windows 10上使用相同版本的R和RStudio。FactorMineR软件包可以安装并正常工作。但是,在Ubuntu上也是一样:install.packages中的警告:package'FactorMineR'...
R中的HCPC软件包说不适用R 3.6.1(R3.6.1“脚趾动作” /使用RStudio版本1.2.5019 / Ubuntu 18.04.3)
我正在Windows 10上使用相同版本的R和RStudio,并且HCPC软件包有效。但是,在Ubuntu / RStudio中,我收到警告消息:软件包HCPC不可用(对于R版本3.6.1)任何...
我正在对数据集中存在的数字列执行PCA。这些数字列在同一范围内,因此在执行...之前,我仍然需要对这些列进行标准化(使用PROC STANDARD)。
我遇到了这段代码,并且看到了这种不寻常的操作:return Xtrain @ eigenvectors [:2]有人知道它的作用吗?
您可以使用layer_data()获取用于ggplot对象的数据:
试图获取约90,000条包含两个变量(波长和强度)的数据行的.dat文件,并对其应用sklearn.pca过滤器。这是该数据的一小部分:波长...
[我刚刚开始学习R Shining,并试图创建一个闪亮的应用程序,该应用程序会生成散点图以进行主成分分析,并允许用户在X和...上选择各种主成分。...
试图使用Scikit-learn在Python上绘制PCA,附带空白图
我遵循本指南对数据进行标准化并随后进行绘制。但是,在设置数据并完成之后,它会显示一个空白图表。我还是python的新手...
使用MDAanalysis的PCA分析(python3.7)
我开始从事计算化学领域的工作,并被要求从分子动力学的某些轨迹进行主成分分析。有人告诉我使用MDAnalysis软件包,因此我发现...
我的数据有30,000行和140列,我正在尝试对数据进行聚类。我正在做一个pca,然后使用大约12个pc进行聚类分析。我随机抽取了3000个观测值,然后...